こういう要約が、毎朝あなたのメールに届きます。
無料で登録 →LLMエージェントは複数ステップタスクで最大30%の頻度で推論劣化やループ状態に陥る問題が存在
LLMベースのコンパニオンは約11%のオーバーヘッドでループ傾向のあるタスクの繰り返しを52-62%削減
新しいプローブベースのコンパニオンはレイヤー28の隠れ状態から訓練され、測定可能なオーバーヘッドなしで+0.471の平均効果量を実現
Gemma 4 E4B、Qwen 2.5 1.5B、Llama 3.2 1Bなど複数モデルで検証実施
プローブベースアプローチは小規模プロキシラベルデータセットでAUROC 0.840の交差検証性能を達成
まだコメントがありません。最初のコメントを投稿しましょう！
ログインして議論に参加200以上のソースから厳選したAIニュースを毎日無料でお届けします。
無料で始める登録無料・30秒で完了・いつでも解除できます
毎朝1分、AIの要点だけ。
200媒体以上・Email/LINE/Slack 対応
